生成式 AI 應用與規劃：L12 學習指引
iPAS AI 應用規劃師 初級科目二完整學習路線。包含 115年新考點（MCP、AI Agent、CoT/ToT、Context Engineering）、常見陷阱、備考計畫。
- 題數
- 50 題單選題
- 考試時間
- 75 分鐘
- 及格
- 70 分
- 題型特色
- 應用與情境規劃為主
同時考兩科時，兩科平均 70 分以上、每科不低於 60 分就通過，115 年是 L12 變化最大的一年。
115 年新考點
L12 是 115 年變化最大的科目，以下全部都是新增或大幅加重考點：
- MCP（Model Context Protocol）：解決 AI 工具整合碎片化的標準化協議
- AI Agent：能自主規劃和執行任務的 AI 系統
- Cursor / VS Code Copilot：AI 輔助程式開發工具
- Context Engineering：最大化有效利用 context window 的工程方法
- CoT（Chain of Thought）、ToT（Tree of Thought）、Graph Prompting
- Agentic Workflow：多步驟自動執行的 AI 工作流程
以情境應用為主，考「如何規劃」而非「什麼是」；MCP 和 AI Agent 是 115年最新考點
官方勘誤
學習指引原版有這些錯誤，照原版讀會答錯。
| 主題 | 原版 | 更正 | 影響 |
|---|---|---|---|
| 章節標題（3） | （3）資源與基礎設施評估 | （3）企業導入階段性實施策略 | 標題與段落內容不符，考「導入策略」知識點時影響判斷 |
知識點地圖
依評鑑範圍整理，每個主題都可以直接讀補強單元或練題目。
基本概念與優勢
- No Code：完全不需寫程式，用拖拉介面
- Low Code：需少量程式碼，更靈活
- 優勢：降低技術門檻、加速開發
- 限制：客製化有上限、效能限制
平台選擇考量
- 整合能力（能否串接現有系統）
- 安全性與資料控管
- 使用場景：行銷文案 OK，法律判決 NG
Prompt 技術層次
- Zero-shot / Few-shot / One-shot
- CoT：讓模型逐步思考（適合線性推理）
- ToT：樹狀探索多條路徑（適合難題）
- Graph Prompting：知識圖譜引導推理
- RAG：外部資料庫 + 檢索增強生成
工具生態（115 年更新）
- MCP：AI 工具整合的標準化協議
- Cursor：AI 輔助程式開發 IDE
- GitHub Copilot：VS Code 內的 AI 助理
- Context Engineering：最大化 context window 效益
L12301 導入評估
- 技術效能評估（延遲、準確率、成本）
- 成本效益分析：TCO vs ROI
- AI Agent 評估（自主性 vs 可控性）
- 《AI 導入指引》核心步驟
L12303 風險管理
- 倫理風險：偏見、歧視、幻覺
- 資料安全：外送敏感資料到第三方 AI
- 風險應對：緩解 / 轉移 / 接受 / 規避
- 外包資料安全 = 風險轉移（不是緩解）
常見陷阱
MCP 誤解為單純 API 整合：MCP 是標準化工具介面協議，讓 AI 助理統一呼叫外部工具
CoT vs ToT 適用場景：CoT 適合線性推理；ToT 適合多路徑搜尋（如難題分析）
RAG vs Fine-tuning：RAG 是檢索增強（不改模型權重）；Fine-tuning 是修改模型本身
備考計畫
7 天速成
- Day 1–2：基礎 Prompt（角色、格式、Few-shot）
- Day 3–4：進階技術（CoT/ToT/RAG）
- Day 5：AI Agent + MCP 架構概念
- Day 6：企業導入規劃（評估→試點→擴展）
- Day 7：L12 全部 100 題診斷
14 天穩扎
- Week 1：逐章讀 L121→L122→L123
- Day 8–10：每天做 25 題，看錯題解析
- Day 11–12：MCP/AI Agent 專項練習
- Day 13–14：全題庫模擬
30 天完整
- Week 1：工具實際使用（ChatGPT/Cursor/MCP）
- Week 2：Prompt 技術深度學習
- Week 3：企業導入案例研究
- Week 4：模擬考 × 2 + 衝刺
建議：每個新工具（MCP/Cursor/AI Agent）都要能說出「解決什麼問題」，不只是名稱定義；Prompt 技術重點是「何時用哪種」